معامله در فارکس در افغانستان

نسبت شارپ خوب چیست؟

بازده اندازه گیری شده می تواند از هر فرکانسی (به عنوان مثال روزانه ، هفتگی ، ماهانه یا سالانه) باشد ، به شرطی که به طور معمول توزیع شود ، زیرا بازده همیشه می تواند سالانه باشد. در اینجا ضعف اساسی نسبت نهفته است - همه بازده دارایی به طور معمول توزیع نمی شود. اختلالات مانند کشیدگی ، دم چاق و قله بالاتر، و یا چولگی در توزیع می تواند مشکل ساز برای نسبت، به عنوان انحراف استاندارد اثر مشابه ندارد زمانی که این مشکلات وجود داشته باشد. گاهی اوقات ممکن است استفاده از این فرمول کاملاً خطرناک باشد در صورتی که بازده به طور معمول توزیع نمی شود. [9]

سی شارپ چیست و چه کاربردی دارد؟!

در این مقاله به معرفی زبان برنامه نویسی سی‌شارپ می پردازیم و شما را کاملا با زبان #C و ویژگی های آن آشنا می کنیم.

سی‌شارپ، یک زبان برنامه نویسی Cross Platform است که به لطف NET Core، شما می توانید این زبان را بر روی تمامی سیستم عامل ها (Windows, Linux, Mac) اجرا کرده و به توسعه برنامه های خود بپردازید.

در ادامه این مقاله با ما همراه باشید.

مقدمه

بدون شک یکی از محبوب ترین و پرکاربرد ترین زبان‌های برنامه نویسی حال حاضر دنیا سی‌شارپ نام دارد، که بر اساس آخرین تحقیقات صورت گرفته این زبان جزو پنج زبان برنامه نویسی برتر در دنیا می باشد، که همچنین بازار کار بسیار خوبی در ایران دارد.

از زبان برنامه نویسی سی‌شارپ می توان در طراحی برنامه های تحت وب، اپلیکیشن آندروید / ویندوزفون یا ios، بازی، هوش مصنوعی و برنامه های تحت سیستم عامل های کامپیوتری استفاده کرد. برای توسعه برنامه های ویندوز از طریق زبان سی‌شارپ می توان از پلتفرم های WinForms ،WPF و UWP استفاده کرد. حتی با استفاده از زبان سی‌شارپ و پلتفرم هایی مانند Xamarin و UWP می ‌توان برای آندروید، iOS و ویندوزفون‌ برنامه ایجاد کرد. همچنین فریمورک های ASP.NET MVC و ASP.NET Core دو تکنولوژی برای طراحی و ایجاد برنامه های تحت وب مدرن هستند که امروزه در دنیای برنامه نویسی بسیار پرکاربرد و پر آوازه می باشند. بنابراین اگر تسلط خوبی به زبان برنامه نویسی سی‌شارپ داشته باشید، شما آمادگی کافی برای شروع یادگیری فریمورک قدرتمند ASP.NET Core را نیز خواهید داشت که در اینصورت می توانم به شما بگویم که بارتان را بسته اید! همچنین با فریمورک Unity می توانید انواع بازی های تلفن همراه و با فریمورک ML.net در هوش مصنوعی فعالیت خود را آغاز کنید.

تاریخچه پیدایش سی‌شارپ

در سال ۱۹۹۹، شرکت Sun (سان) اجازه استفاده از زبان برنامه‌نویسی جاوا را در اختیار شرکت مایکروسافت قرار داد تا در سیستم‌عامل خود از آن استفاده کند. جاوا در اصل به هیچ پلتفرم یا سیستم‌عاملی وابسته نبود، ولی مایکروسافت برخی از مفاد قرار داد را زیر پا گذاشت و قابلیت مستقل از سیستم‌عامل بودن جاوا را از آن برداشت، شرکت سان پرونده‌ای علیه مایکروسافت درست کرد و مایکروسافت مجبور شد تا زبان شی گرای جدیدی با کامپایل جدید که به ++C شبیه بود را ایجاد کند. در سال ۱۹۹۹ آندرس هلزبرگ گروهی را برای طراحی زبانی جدید تشکیل داد که در آن زمان نامش Cool بود و شبیه زبان C بود اما با خواص شیءگرایی، مایکروسافت در نظر داشت اسم این زبان را برای همیشه Cool قرار دهد، ولی به دلیل مناسب نبودن برای اهداف تجاری این کار را نکرد. در ارائه و معرفی رسمی چارچوب دات‌ نت در سال ۲۰۰۰ این زبان به C# تغییر نام یافت. مدیر و سرپرست طراحان سی شارپ در مایکروسافت آندرس هلزبرگ بود که تجربه قبلی او در طراحی Framework و زبان‌های برنامه سازی ++Borland، Delphi، Pascal، C++ به آسانی در دستورالعمل‌های سی شارپ قابل رویت است.

کاربرد نسبت شارپ در ارزهای دیجیتال

کاربرد نسبت شارپ در ارزهای دیجیتال

نسبت شارپ یا شاخص شارپ، در امور مالی، یکی از معیارهای آماری مهم است که جهت محاسبه نسبت بازده اصلاح شده با ریسک، مورد استفاده قرار می‌گیرد. بالا بودن میزان این معیار نمایانگر بازده به دست آمده، با تقبل ریسک کمتر است. البته از این شاخص باید در کنار سایر نسبت‌ها استفاده نمود تا تصمیم‌گیری هوشمندانه‌ای برای سرمایه‌گذاری منابع مالی خود داشته باشیم.

به گزارش سایت خبری ساعد نیوز،سرمایه گذاری به معنای موکول نمودن مصرف منابع مالی با هدف کسب سود، افزایش ثروت و دستیابی به امکان مصرف بیشتر در آینده است. اولین و مهم ترین اقدام در سرمایه گذاری، شناسایی فرصت های مناسب با در نظر گرفتن ریسک های احتمالی آن است. در حال حاضر با توجه به شرایط اقتصادی حاکم بر کشور و اهمیت حفظ ارزش پول، افراد جامعه دغدغه کسب سود بیشتر با کمترین ریسک ممکن را دارند.

سرمایه یکی از منابع اقتصادی محدود کشورها محسوب می شود و به همین دلیل اقتصاددانان و متخصصین امور مالی همواره در پی شناسایی راه های مطلوب استفاده از آن برای در اختیار گذاشتن سرمایه گذاران هستند.

عملکرد خوب بازار سرمایه در طی چند سال اخیر، توجه بسیاری از سرمایه گذاران را به این حوزه معطوف ساخته است. به دلیل پیچیدگی های موجود در بازار سرمایه، ورود به این بازار نیازمند دانش بوده و باید آگاهانه باشد در غیر اینصورت ضررهای جبران ناپذیری را به همراه خواهد داشت.

نسبت شارپ چیست؟

برخی از سرمایه گذاران و تریدرها به اشتباه موفقیت پرتفوی خود را تنها بر اساس میزان بازدهی آن می سنجند و سرمایه گذاران معدودی ریسک های موجود نسبت شارپ خوب چیست؟ در دستیابی به این سود را در نظر می گیرند. معیارهای ارزیابی عملکرد پرتفوی، عوامل مهمی در تصمیمات سرمایه گذاری هستند. یکی از این معیارهایی که مورد توجه فعالان بازار رمزارزها قرار گرفته، نسبت شارپ است. نسبـت شارپ میانگین بازده بدست آمده مازاد بر نرخ سود بدون ریسک به ازای هر واحد از نوسان پذیری یا ریسک کل است. با کسر نرخ بدون ریسک از میانگین بازده، عملکرد فعالیت های مربوط به قبول ریسک را می توان جدا نمود.

تصویر

یک مثال ملموس از این محاسبات آن است که یک پرتفوی که در سرمایه گذاری بدون ریسک شرکت دارد، همچون خرید تتر (که در آن بازده مورد انتظار ثابت است)، دارای نسبت شارپی دقیقاً برابر با صفر است. عموماً، هرچه مقدار نسبت شارپ بالاتر باشد، سود تعدیل شده نسبت به ریسک نیز از جذابیت بالاتری برخوردار است.

متنوع سازی سبد سهام

اگر سبد دارایی ارز دیجیتال را به شکلی متنوع انتخاب کنید که همبستگی کمی بین این دارایی ها وجود داشته باشد، ریسک سبد سهام تان کاهش می یابد. اگرچه داشتن یک رمزارز با رشد قیمت خوب ممکن است وسوسه برانگیز باشد اما هر سرمایه گذار با تجربه ای، با سرمایه گذاری در دارایی های مختلف به محافظت از خود در نسبت شارپ خوب چیست؟ برابر ریسک می پردازد. توجه داشته باشید که تنوع در سبد دارایی ارز دیجیتال به معنای داشتن تعداد زیادی کوین نیست که این امر نیز اشتباهی بزرگ در زمینه سرمایه گذاری رمزارزها است.

به منظور تنوع در سبد دارایی رمزارز خود کافی است که کوین های قابل اعتماد و با ماهیت متفاوت را نگهداری کنید تا همبستگی بین کوین ها کاهش یابد و نسبت شارپ (Sharpe Ratio) سبد سرمایه گذاری شما افزایش یابد.

کاربردهای نسبت شارپ و نسبت های سورتینو و ترینور

با استفاده از نسبت شارپ قادر خواهید بود تا منشا سوددهی کسب شده در هر سرمایه گذاری را متوجه شوید و با استفاده از این داده ها تصمیمات هوشمندانه تری اتخاذ کنید. در سرمایه گذاری هرچه نسبت شارپ یک سبد دارایی بالاتر باشد، به معنای عملکرد بهتر در تعدیل ریسک خواهد بود.

اگر نسبت شارپ منفی شود، دو حالت را می توان متصور شد: یا نرخ بهره بدون ریسک بیشتر از بازده خرید ارز دیجیتال بوده است یا کلا بازده سبد دارایی ارز دیجیتال منفی بوده است. هر کدام از این دو حالت که باشد نشان دهنده عملکرد ضعیف سبد دارایی است. نسبت شارپ شاخه های مختلف را شامل می شود که تمامی آن ها کاربردی و بسیار مفید هستند. یکی از آن ها نسبت سورتینو (Sortino) دیگری نسبت ترینور (Treynor) است.

سورتینو سود سبد رمزارزها را به ازای ریسک منفی تعیین می کند، اما با ترینور می توان مقدار کل بازده مازاد را به ازای هر واحد ریسک که سبد رمزارزها می تواند بپذیرد، بدست آورد. برخلاف نسبت شارپ متعارف که کل ریسک مطلوب و نامطلوب سرمایه گذاری را در نظر می گیرد، سورتینو فقط ریسک نامطلوب را در نظر می گیرد. همچنین نسبت سورتینو اثراتی را که حرکات قیمتی رو به بالا (افزایش قیمت) روی انحراف معیار می گذارند، حذف می کند. به همین دلیل، فقط روی توزیع سود کمتر از سود هدف (کاهش قیمت) متمرکز است.

نسبت شارپ در ارزهای دیجیتال

نوسانات بازار ارز دیجیتال به شکلی است که هر ترید یا سرمایه گذاری می تواند ضرر زیادی را به دنبال داشته باشد و اگر مدیریت ریسک در ارز دیجیتال به درستی انجام شود، می تواند با کنترل وقایع آینده، از ضررهای احتمالی پیشگیری کند. با توجه به اینکه نسبت شارپ (Sharpe Ratio) ابزاری سودمند برای بررسی بازده با ریسک تعدیل شده است، بیشتر تریدرهای رمزارزها از آن استفاده می کنند. تریدرها با این ابزار می توانند درک بسیار بهتری از میزان ریسکی که باید بپذیرند، داشته باشند و تصمیم گیری دقیق تری در ترید یا سرمایه گذاری خود داشته باشند.

به جز کوین هایی مانند بیت کوین، اتریوم، ریپل و تتر که ارزش بازار بالایی دارند و به طور نسبی باثبات تر از سایر ارزها هستند، تعداد بسیار زیادی از رمزارزها را باید پرریسک قلمداد کرد. در واقع، بسیاری از ارزهای دیجیتال فاقد ثباتی هستند که بیت کوین، اتریوم، ریپل و تتر دارند؛ آن هم به این دلیل که بازار این ارزها نقدشوندگی کمتری دارد.

دقت داشته باشید که نسبت شارپ نمی تواند بی ثباتی های بازار رمزارزها را برطرف کند، اما می تواند پیش بینی بهتری از قیمت آینده آن ها به ما بدهد؛ با اینکه بر اساس ماهیت، رمزارزها غیر قابل پیش بینی هستند.

محدودیت های نسبت شارپ

نسبت شارپ در سرمایه گذاری رمزارزها چه پایین باشد و چه زیاد، تنها بخشی از ارزیابی را جهت سرمایه گذاری یا ترید پوشش می دهد و برای اینکه این نسبت معنای بیشتری داشته باشد، باید در کنار سایر شاخص ها و نسبت ها مقایسه شود زیرا به عنوان مثال مقایسه نسبت شارپ یک سبد رمزارز با سبد دیگر، فقط نشان دهنده آن است که عملکرد ریسک و بازده تعدیل شده یکی بهتر از دیگری است. از دیگر محدودیت های نسبت شارپ این است که در این نسبت بازده ارزهای دیجیتال دارای توزیع نرمال فرض شده است. در یک توزیع نرمال، ۶۸% داده ها در فاصله مثبت و منفی یک انحراف معیار از میانگین قرار دارند اما چنین فرضی به ندرت در بازار رمزارزها مطابق با واقعیت می شود.

ریاضیات

در امور مالی ، نسبت شارپ (همچنین به عنوان شاخص شارپ ، اندازه گیری شارپ و نسبت پاداش به متغیر شناخته می شود ) عملکرد یک سرمایه گذاری (به عنوان مثال ، اوراق بهادار یا نمونه کارها) را در مقایسه با دارایی بدون ریسک ، پس از تنظیم برای خطر آن است . این به عنوان تفاوت بین بازده سرمایه گذاری و بازده بدون ریسک تعریف می شود ، تقسیم بر انحراف معیار سرمایه گذاری (به عنوان مثال ، نوسانات آن). این مقدار بازده اضافی است که یک سرمایه گذار در ازای افزایش ریسک دریافت می کند.

این نام به نام ویلیام اف شارپ ، [1] که آن را در سال 1966 توسعه داد ، نامگذاری شد .

فهرست

  • 1 تعریف
  • 2 استفاده در امور مالی
  • 3 تست ها
  • 4 تاریخ
  • 5 مثال ها
  • 6 نقاط قوت و ضعف
    • 6.1 اشکال به عنوان معیار انتخاب صندوق

    تعریف [ ویرایش ]

    از آنجا که تجدید نظر در آن توسط نویسنده اصلی، ویلیام شارپ، در سال 1994، [2] پیشینی نسبت شارپ به عنوان تعریف می شود:

    جایی که بازگشت دارایی است ،است بازده بدون ریسک (مانند امنیت خزانه داری ایالات متحده ). مقدار مورد انتظار بیش از بازده دارایی نسبت به بازده معیار است واست انحراف استاندارد از دارایی بازده اضافی.

    سابق ارسال شارپ نسبت با استفاده از معادله به عنوان یکی از بالا اما با بازده تحقق دارایی و معیار به جای بازده مورد انتظار؛ به مثال دوم زیر مراجعه کنید.

    نسبت اطلاعات مشابه نسبت شارپ است، تفاوت اصلی این است که نسبت شارپ با استفاده از یک بازده بدون ریسک به عنوان معیار در حالی که نسبت این اطلاعات را با استفاده از یک شاخص خطرناک به عنوان معیار (مانند S & P500 ).

    استفاده در امور مالی [ ویرایش ]

    نسبت شارپ مشخص می کند که بازگشت یک دارایی به خوبی سرمایه گذار را برای ریسک پذیرفته شده جبران می کند. هنگام مقایسه دو دارایی در مقابل یک معیار مشترک ، دارایی با نسبت شارپ بالاتر بازده بهتری برای همان خطر (یا به طور معادل ، بازده یکسان برای خطر کم) فراهم می کند.

    یعنی نسبت شارپ نسبت بازده اضافی سهام معین به انحراف استاندارد مربوطه را در نظر می گیرد. بازدهی اضافی به عنوان شاخص عملکرد صندوق سهام در نظر گرفته می شود. [3]

    با این حال ، مانند هر مدل ریاضی دیگر ، این داده ها به درستی داده ها متکی هستند و داده های کافی داده می شود که ما تمام خطرات الگوریتم یا استراتژی را مشاهده می کنیم. طرح های Ponzi با مدت زمان طولانی عملکرد به طور معمول وقتی از بازده گزارش شده بدست می آیند ، نسبت شارپ بالایی را ارائه می دهند ، اما در نهایت وقتی دیگر سرمایه گذار ورودی وجود ندارد که مایل به شرکت در این طرح باشد ، صندوق خشک خواهد شد و تمام سرمایه های موجود را از بین خواهد برد. . به همین ترتیب ، فروش گزینه های بسیار کم اعتصابممکن است به نظر برسد که نسبت شارپ بسیار طولانی در طول مدت حتی سال وجود دارد ، زیرا اعتصاب کم مانند بیمه عمل می کند. برعکس نسبت شارپ ادراک شده ، فروش محصولات یک کار پر خطر است که به دلیل حداکثر ضرر بالقوه برای حساب های کم خطر نامناسب است. اگر امنیت اساسی هرگز به صفر برسد یا به طور پیش فرض سقوط کند و سرمایه گذاران بخواهند ارزش کل سهام خود را بازپرداخت کنند ، تمام سودهای بدست آمده و بسیاری از سرمایه های اساسی را می توان از بین برد.

    بنابراین داده ها برای نسبت شارپ باید در یک بازه زمانی کافی گرفته شوند تا تمام جنبه های استراتژی را با یک فاصله اطمینان بالا ادغام کنند. به عنوان مثال ، اگر الگوریتم بیمه ای را شامل شود که بازپرداخت بدهی بالایی نسبت شارپ خوب چیست؟ در هر 5-10 سال دارد ، باید در طول دهه ها داده گرفته شود و اگر هر معامله در هر 50 میلی ثانیه یک الگوریتم تجارت با فرکانس بالا ممکن است فقط به یک هفته داده احتیاج داشته باشد ، با مراقبت از نتایج غیر منتظره اما نادر که چنین آزمایشاتی را به دست نمی آورد ، به خطر می افتد (به سقوط فلاش مراجعه کنید ). علاوه بر این ، هنگام بررسی عملکرد سرمایه گذاری دارایی های هموار سود (مانند سود با سود) وجوه) ، نسبت شارپ باید از عملکرد دارایی های اساسی به جای بازده صندوق حاصل شود (چنین مدلی ، طرح پونزی فوق الذکر را مطابق دلخواه بی اعتبار می کند).

    نسبت های شارپ ، به همراه نسبت های Treynor و آلفای جنسن ، اغلب برای رتبه بندی عملکرد مدیران نمونه کارها یا صندوق های سرمایه گذاری مشترک مورد استفاده قرار می گیرند .

    نسبت Berkshire Hathaway برای دوره 1976 تا 2011 دارای ضریب شارپ 0.76 بود ، که بیش از هر سهام یا صندوق سرمایه گذاری مشترک با بیش از 30 سال سابقه بود. نسبت سهام شارپ برای مدت مشابه 0.39 بود. [4]

    آزمایشات [ ویرایش ]

    چندین تست آماری از نسبت شارپ ارائه شده است. این موارد شامل موارد پیشنهادی جابسون و کورکی [5] و گیبونز ، راس و شنکن است. [6]

    تاریخچه [ ویرایش ]

    در سال 1952 ، آرتور دی روی پیشنهاد كرد كه نسبت "(md) / σ" به حداكثر برسد ، جایی كه m انتظار می رود بازده ناخالص باشد ، "d" مقداری "سطح فاجعه" (با نام مستعار ، حداقل بازده قابل قبول یا MAR) و σ انحراف معیار بازده است . [7] این نسبت فقط نسبت شارپ است ، فقط با استفاده از حداقل بازده قابل قبول به جای نرخ بدون ریسک در عدد ، و از انحراف معیار بازده به جای انحراف استاندارد بازده اضافی در مخرج استفاده می شود. نسبت روی نیز به نسبت Sortino مربوط می شود ، که از MAR نیز در عدد استفاده می کند ، اما در مخرج از انحراف استاندارد متفاوت (انحراف نیمه / نزولی) استفاده می کند.

    در سال 1966 ، ویلیام اف شارپ چیزی را توسعه داد که امروزه به آن نسبت شارپ می گویند. [1] شارپ در ابتدا این نسبت را "پاداش به متغیر بودن" نامیده بود قبل از اینکه از سوی دانشگاهیان و اپراتورهای مالی بعدی نسبت شارپ خوانده شود. تعریف این بود:

    شارپ در بازنگری 1994 اذعان داشت که اساس مقایسه باید یک معیار قابل اجرا باشد که با گذشت زمان تغییر می کند. پس از این تجدید نظر ، تعریف این است:

    توجه داشته باشید، اگر R F بازگشت بدون ریسک ثابت در طول دوره است،

    اخیراً ، نسبت شارپ (اصلی) اغلب با توجه به مناسب بودن آن به عنوان معیار عملکرد صندوق در طول دوره های ارزیابی بازارهای رو به زوال ، به چالش کشیده شده است. [8]

    مثالها [ ویرایش ]

    مثال 1

    مثال 2

    برای یک مثال از محاسبه معمولا استفاده می شود سابق ارسال شارپ نسبت-که با استفاده از متوجه جای انتظار بازده بر اساس تعریف معاصر، در نظر گرفتن جدول زیر از بازدهی هفتگی.

    تاریخ بازگشت دارایی S&P 500 بازده کل بازگشت مازاد
    7/6/2012 -0.0050000 -0.0048419 -0.0001581
    1391/7/13 0.0010000 0.0017234 -0.0007234
    2012/7/20 0.0050000 0.0046110 0.0003890

    ما تصور می کنیم که این دارایی چیزی در حدود یک صندوق سرمایه گذاری کلان سرمایه بزرگ ایالات متحده است که منطقاً در برابر S&P 500 محاسبه می شود. میانگین بازده اضافی -0.0001642-و انحراف استاندارد (نمونه) 0.0005562248 است ، بنابراین نسبت شارپ - 0.0001642 / 0.0005562248 ، یا -0.2951444.

    مثال 3

    فرض کنید کسی در حال حاضر در یک نمونه کارها سرمایه گذاری کرده است که انتظار می رود بازده آن 12٪ و نوسان 10٪ باشد. نرخ بهره بدون ریسک 5٪ است. نسبت شارپ چیست؟

    نقاط قوت و ضعف [ ویرایش ]

    نسبت شارپ منفی به این معنی است که نمونه کارها از معیارهای خود عمل نکرده اند. همه موارد دیگر برابر است ، یک سرمایه گذار می خواهد با افزایش بازده و کاهش نوسانات ، نسبت شارپ مثبت را افزایش دهد. با این حال ، می توان با افزایش بازده (یک چیز خوب) یا افزایش نوسانات (یک چیز بد) ، یک نسبت منفی شارپ را به صفر نزدیک کرد. بنابراین ، برای بازدهی منفی ، نسبت شارپ ابزار ویژه ای برای تحلیل نیست. [ نیاز به منبع ]

    مزیت اصلی نسبت شارپ این است که مستقیماً از هر سری بازده مشاهده شده بدون نیاز به اطلاعات اضافی پیرامون منبع سودآوری قابل محاسبه است. نسبت های دیگری مانند نسبت تعصب اخیراً در ادبیات برای رسیدگی به مواردی که نوسانات مشاهده شده ممکن است یک پروکسی مخصوصاً ضعیف برای خطر ذاتی یک سری زمانی از بازده های مشاهده شده باشد ، وارد شده است. [ نیاز به منبع ]

    در حالی که نسبت Treynor فقط با خطر سیستماتیک نمونه کارها کار می کند ، نسبت Sharpe هم خطرات سیستماتیک و هم خاص را مشاهده می کند .

    بازده اندازه گیری شده می تواند از هر فرکانسی (به عنوان مثال روزانه ، هفتگی ، ماهانه یا سالانه) باشد ، به شرطی که به طور معمول توزیع شود ، زیرا بازده همیشه می تواند سالانه باشد. در اینجا ضعف اساسی نسبت نهفته است - همه بازده دارایی به طور معمول توزیع نمی شود. اختلالات مانند کشیدگی ، دم چاق و قله بالاتر، و یا چولگی در توزیع می تواند مشکل ساز برای نسبت، به عنوان انحراف استاندارد اثر مشابه ندارد زمانی که این مشکلات وجود داشته باشد. گاهی اوقات ممکن است استفاده از این فرمول کاملاً خطرناک باشد در صورتی که بازده به طور معمول توزیع نمی شود. [9]

    از آنجا که این نسبت بدون بعد است ، افراد ساده تفسیر نسبت Sharpe از سرمایه گذاری های مختلف را دشوار می دانند. به عنوان مثال ، سرمایه گذاری با نسبت شارپ 0/5 چقدر بهتر از سرمایه گذاری با نسبت شارپ 0/2 است؟ این ضعف با تدوین معیار عملکرد تعدیل شده توسط ریسک Modigliani ، که در واحد درصد بازده است ، به خوبی برطرف شد - تقریباً برای همه سرمایه گذاران قابل درک است. در برخی تنظیمات می توان از معیار کلی برای تبدیل نسبت شارپ به نرخ بازده استفاده کرد. (معیار کلی اندازه ایده آل سرمایه گذاری را ارائه می دهد ، که اگر با توجه به دوره و نرخ بازده مورد انتظار در واحد تنظیم شود ، نرخ بازدهی را ارائه می دهد.) [10]

    دقت برآوردگرهای نسبت شارپ به خصوصیات آماری بازده بستگی دارد و این خصوصیات می توانند به طور قابل توجهی در بین استراتژی ها ، اوراق بهادار و با گذشت زمان متفاوت باشند. [11]

    اشکال به عنوان معیار انتخاب صندوق [ ویرایش ]

    Bailey and López de Prado (2012) [12] نشان می دهد که نسبت شارپ در مورد صندوق های تامینی با سوابق کوتاه مدت بیش از حد زیاد است. این نویسندگان نسخه احتمالی نسبت شارپ را پیشنهاد می نسبت شارپ خوب چیست؟ کنند که عدم تقارن و ضخیم بودن توزیع بازده را در نظر می گیرد. با توجه به انتخاب مدیران نمونه کارها بر اساس نسبت شارپ ، این نویسندگان یک منحنی بی تفاوتی نسبت شارپ را پیشنهاد داده اند [13] این منحنی این واقعیت را نشان می دهد که استخدام مدیران نمونه کارها با نسبت شارپ کم و حتی منفی کارآمد است ، به عنوان مثال تا زمانی که ارتباط آنها با سایر مدیران نمونه کارها به اندازه کافی کم باشد.

    Goetzmann، اینگرسول، اشپیگل، و ولش (2002) مشخص شد که بهترین استراتژی برای به حداکثر رساندن نسبت شارپ نمونه کارها، هنگامی که هر دو اوراق بهادار و قراردادهای گزینه ها روی این اوراق برای سرمایه گذاری در دسترس هستند، مجموعه ای از یکی است خارج از روی پول پاسخ و یکی از خارج از پول قرار داده است. این نمونه کارها بازدهی فوری مثبت ایجاد می کند ، احتمال زیادی برای بازده نسبتاً زیاد و احتمال کمی برای ایجاد ضررهای هنگفت دارد. شاه (2014) مشاهده كرد كه چنین پرتفوی برای بسیاری از سرمایه گذاران مناسب نیست ، اما حامیان مالی صندوق هایی كه اساساً بر اساس نسبت شارپ مدیران صندوق را انتخاب می كنند ، انگیزه هایی را برای مدیران صندوق برای اتخاذ چنین استراتژی ایجاد می كنند. [14]

    شارپ کردن تصویر چیست؟

    Harry Guinness

    Harry Guinness Jun 1, 2016

    شارپ کردن: هر عکاسی اینو می‌دونه که باید اونو به تصویرش اعمال کنه اما تعداد کمی درک می‌کنن که چطور کار می‌کنه و چرا اهمیت داره. در این دوره از آموزش‌ها می‌خوایم بصورت عمقی به مبحث شارپ کردن بپردازیم. به جای اینکه فقط نکات فنی برگرفته از درکی ضعیف رو طوطی‌وار بگم، تمام چیزهایی که لازمه بدونین رو مطرح خواهم کرد. گاهی ممکنه در سطح فنی گفته بشه، اما مطمئن باشین ارزش اونو داره. در این آموزش شما یاد می‌گیرین که شارپ کردن واقعا چیست.

    آماده‌این؟ شروع کنیم.

    شفافیت تصویر Sharpness چیست؟

    قبل از اینکه وارد مرحله شارپ کردن یک تصویر بشیم، باید بدونیم که شفافیت درواقع چی هست. بزرگترین مشکل بطور عمده اینه که شفافیت یک موضوع ذهنی و شخصی هست.

    شفافیت sharpness از ترکیب دو عامل بدست میاد: وضوح resolution و تفکیک‌پذیری لبه‌ها acutance. رزولوشن ساده و سرراست هست و ذهنی و وابسته به هر شخص نیست. درواقع اندازه فایل تصویر به پیکسل هست. اگه تمام عوامل دیگه یکسان باشه، هرچه رزولوشن و وضوح بیشتر باشه، تصویر پیکسل‌های بیشتری داره و بنابراین می‌تونه بیشتر شارپ بشه. تفکیک‌پذیری acutance کمی پیچیده‌تر هست. اندازه ذهنی کنتراست در لبه هست. هیچ واحدی برای acutance وجود نداره. شما یا فکر می کنین یه لبه کنتراست داره و یا فکر می کنین که اینطور نیست. لبه‌هایی که کنتراست بیشتری دارن برای سیستم بینایی انسان واضح‌تر به‌نطر می‌رسه.

    هر دو T رزولوشن یکسان ولی تفکیک‌پذیری acutance متفاوتی دارن. کدوم یکی از اونا شارپ‌تر به‌نظر می‌رسه؟

    شارپ بودن به این ختم میشه که جزئیات یک تصویر چقدر واضح به‌نظر می‌رسه، بخصوص جزئیات کوچک و ریز. برای مثال، اگه مژه‌های سوژه بصورت تاری سیاه نامعلوم باشه، تصویر شارپ و واضح به‌نظر نمیاد. از طرف دیگه، اگه بتونین هر کدوم از اونا رو جداگونه انتخاب کنین، اکثر افراد این تصویر رو شارپ و واضح درنظر می‌گیرن.

    شارپ کردن چیست؟

    بنابراین، شارپ کردن تکنیکی برای افزایش شفافیت ظاهری یک تصویر هست. زمانی که یک تصویر گرفته شد، فتوشاپ دیگه نمی تونه بطور جادویی هیچ اطلاعات بیشتری رو تولید کنه: رزولوشن واقعی ثابت باقی می‌مونه. بله، شما می‌تونین اندازه فایل رو افزایش بدین اما الگوریتمی که هر ویرایشگر تصویر برای این کار استفاده می‌کنه، وضوح جزئیات رو کاهش می‌ده.

    به عبارت دیگه، تنها راه برای افزایش شفافیت ظاهری، افزایش تفکیک‌پذیری acutance هست. اگر می خواین تصویرتون واضح‌تر به‌نظر برسه, باید کنتراست لبه‌ها رو افزایش بدین.

    در اینجا من افکت Unsharp Mask رو در فوتوشاپ بازسازی کردم. اولین عکس فایل اصلی هست، دومی یک کپی تار هست، سومی اختلاف این دو از همدیگه هست تا لبه‌ها قابل تشخیص باشن، و چهارمی تصویر اصلی هست که با استفاده از لایه لبه‌ها شارپ شده. unsharp mask قدیمی‌ترین تکنیک شارپ کردن محسوب می‌شه. با استفاده از اون یک کپی (unsharp) تار از تصویر اصلی گرفته می‌شه تا لبه‌ها قابل تشخیص باشن. ماسکی از جزئیات لبه‌ها ساخته می‌شه. سپس کنتراست در لبه‌ها افزایش داده شده و افکت به تصویر اصلی اعمال می‌شه. با وجود اینکه استفاده از ماسک غیرشارپ، در اصل یک تکنیک سینمایی بوده، در حال حاضر اساس شارپ کردن دیجیتالی محسوب می‌شه.

    چرا تصاویر رو شارپ کنیم؟

    سه دلیل اصلی برای شارپ کردن تصویر وجود داره: غلبه بر تاری تصویر که از تجهیزات دوربین بوجود اومده، و جلب کردن توجه به سمت بعضی از نواحی خاص و همینطور افزایش خوانایی تصویر.

    فایل‌های با فرمت RAW از هر دوربین مدرنی همیشه مقداری تار هستن. در هر مرحله از عکاسی در روند تولید تصویر، تاری بوجود میاد. همانطور که نور از قطعات لنز عبور می‌کنه، هرچقدر هم که خوب ساخته شده باشه، باز هم مقداری از وضوح تصویر از بین میره. هنگامی که سنسور فوتون‌هایی که بروی اون می‌افته رو پردازش می‌کنه، شارپ‌ترین انتقال‌ها (در لبه‌ها) نیز معمولی و کمی تار میشه. زمانی که سه کانال رنگی مختلف برای ایجاد تصویر نهایی ترکیب میشن، دوباره، مقدار کمی تاری به تصویر اضافه میشه.

    یک فایل تصویری که مستقیما از دوربین بیرون اومده در مقابل نمونه شارپ شده‌ی اون. من تمام رنگ بخشی‌ها color toning و مراحل رتوش رو برای بهترین مقایسه برداشته‌ام.

    دوم اینکه، چشم انسان به کنتراست جذب می‌شه. وقتی عکسی رو نگاه می‌کنیم، به سمت جزئیات شارپ‌تر و واضح‌تر جذب میشیم. اگر می‌خواین چشم بیننده رو هدایت کنین، شارپ کردن انتخابی یکی از بهترین راه‌ها برای انجام اون هست.

    در نهایت، شارپ کردن یک تصویر، دیدن جزئیات اونو آسانتر می‌کنه. متن راحت‌تر خونده می‌شه، تک تک برگ‌ها به‌چشم میان و چهره‌ها در جمعیت بیشتر متمایز می‌شن.

    شارپ کردن اصولی پایه در ادوبی فتوشاپ

    با وجودی که در مقاله بعد به جزئیات بیشتری خواهم پرداخت، اجازه بدین نگاهی گذرا به چگونگی شارپ کردن تصویر در فتوشاپ با استفاده از فیلتر ماسک غیرشارپ Unsharp Mask داشته باشیم. این موضوع به شما در درک چگونگی افزایش تفکیک‌پذیری لبه‌ها acutance در ویرایشگرهای تصویر کمک می‌کنه.

    یک تصویر رو برای آزمایش در فتوشاپ باز کنین و یک کپی از لایه پس‌زمینه ایجاد کنین. به فیلتر > شارپ کردن > ماسک غیرشارپ برین. دیالوگ باکسی که در زير می‌بینین رو براتون میاره.

    استفاده از فیلتر ماسک غیرشارپ.

    سه لغزنده وجود داره: مقدار، شعاع و آستانه.

    • مقدار، درصدی بین 1 و 500 هست. این انداره نشون می‌ده که اثر کنتراست لبه‌ها با چه شدتی اعمال می‌شه.
    • شعاع، مقدار تاری لایه غیرشارپ رو کنترل می‌کنه. می‌تونین لایه کپی رو بین 0.1 و 1000 پیکسل تار کنین. هرچه تاری کمتری اعمال کنین, لبه‌ها بیشتر قابل تشخیص خواهند بود.
    • آستانه برای جلوگیری از شارپ شدن اضافی و نامطلوب استفاده می‌شه. حتی در یک ناحیه با رنگ پیوسته، مقدار کمی اختلاف وجود خواهد داشت. آستانه تعیین کننده حداقل اختلاف روشنایی هست قبل از اینکه کنتراست لبه‌ها اضافه بشه.نسبت شارپ خوب چیست؟

    بر این اساس که چقدر می‌خواین تصویرتون رو شارپ کنین، اندازه‌ای بین %100 و %200 رو وارد کنین. شعاع رو تا 0.1 پایین بیارین و سپس به‌آرامی اونو افزایش بدین تا زمانی که کنتراست لبه به جزئیات مهم اضافه بشه. در نهایت، نگاهی به مناطق یکدست تصویر به‌خصوص سایه‌ها بندازین. آستانه رو تا زمانی افزایش بدین که هر نویزی که بطور تصادفی شارپ شده، از بین بره. این از اصول ابتدایی شارپ کردن تصویر دیجیتال هست.

    نکات قابل توجه در حین شارپ کردن

    زمانی که در حال شارپ کردن تصویر هستین، عوامل زیادی وجود دارن که باید بهشون توجه کنین. رزولوشن فایل، مدیوم و رسانه نهایی که در اون نمایش داده می‌شه، و اندازه جزئیات در خود تصویر، نکات مهمی هستن که باید درنظر گرفته بشن.

    یکی از بزرگترین اشتباهاتی که عکاس‌ها در زمان شارپ کردن انجام می‌دن، استفاده ازاون در یک تصویر با رزولوشن کامل هست و سپس فکر می‌کنن که کارشون انجام و تمام شده. درجات مختلفی از شارپ کردن برای رزولوشن‌های متفاوت تصویر نهایی مورد نیاز هست.

    شارپ کردن باید قطعا در انتهای روند پست پروداکشن (پس از تولید) اعمال بشه، زمانی که تمام کارها بخصوص تغییر در انداره تصویر انجام شده باشه. به‌عنوان مثال، یک فایل با رزولوشن بالا برای چاپ، به شارپی نسبتا کمتری از خروجی مخصوص وب با رزولوشن پایین نیاز داره تا اثرش قابل توجه باشه. هر زمان که قصد دارین تصویرتون رو شارپ کنین، قبل از اعمال اون باید تصویرتون رو به رزولوشن نهایی تبدیل کنین.

    تصویر سمت چپ متناسب با رزولوشن و تصویر در سمت راست نامتناسب و بیش از حد شارپ شده است.

    همچنین رسانه و مدیومی که تصویر نهایی بروی اون نمایش داده می‌شه، تعیین کننده مقدار شارپ کردنی هست که باید اعمال بشه. تصاویری که بروی صفحه نمایش نشان داده می‌شن مثل تصاویری که برای وب سایتتون تولید می‌کنین، واضح‌تر به نظر می رسن بنابراین نسبت به تصاویر برای چاپ به شارپی کمتری نیاز دارن. برای تصاویر چاپی، انواع مواد و کاغذها با جنس‌های متفاوت به درجات متفاوتی از شارپ بودن احتیاج دارن. تصاویری که بروی کاغذ براق نمایش داده می‌شن نسبت به تصاویری که روی کاغذ مات چاپ می‌کنین، به شارپی کمتری نیاز دارن. سطوح دیگری مانند فلز، اکریلیک یا شیشه همه تعیین می‌کنن که در مرحله پست پروداکشن چه مقدار شارپی نیاز دارن.

    اندازه جزئیاتی که در تصویرتون می‌خواین روی اون‌ها تاکید کنین، یکی از مهم‌ترین عوامل هست. اگر یه پرتره رو دارین چاپ می‌کنین، بعیده که بخواین تک تک منافذی که روی پوست مدل هست، قابل مشاهده باشه. از طرف دیگه برای بعضی از مناظر، ممکنه بخواین هر تیغه چمن برجسته و قابل مشاهده باشه. جزئیاتی که می خواین مردم ببینن باید شارپ باشه و اون‌هایی که نمی‌خواین به چشم بیان رو نباید شارپ کنین. ممکنه برای رسیدن به این هدف، به بیش از یک فیلتر برای شارپ کردن احتیاج داشته باشین.

    در ادامه

    در طی آموزش‌‌های بعدی در این سری می‌خوام به تمامی جوانب شارپ کردن بپردازم.

    ابتدا، با مشکلاتی که شارپ کردن تصویر بهمراه داره مقابله می‌کنیم. با هم به این موضوع می‌پردازیم که چرا شارپ کردن برای هرعکسی خوب نیست، و اینکه چرا شارپ کردن محلی برای بیشتر تصاویر یک انتخاب خوب محسوب می‌شه. یاد می‌گیرین که چرا کنتراست بیش از حد، یک نسبت شارپ خوب چیست؟ چیز بده و چرا بهترین وضوح تصویر همیشه در نواحی midtones پیدا می‌شه.

    سپس تکنیک‌های متفاوتی برای شارپ کردن می‌آموزین و اینکه هر تکنیک برای چه نوع عکسی مناسب هست. یاد می‌گیرین که چطور یک تصویر رو به‌درستی شارپ کنین، و چگونه از شارپ کردن در راستای بهبود کیفیت تصویر استفاده کنین بدون اینکه اثرات بد ناخواسته‌ای در اون ایجاد شه.

    در انتها چند تکنیک پیشرفته شارپ نسبت شارپ خوب چیست؟ کردن رو یاد می‌گیرین. گرین grain و نویز niose شهرت بدی درمیان عکاسان دارن اما درواقع برای شارپ کردن بسیار مفیدن. یاد می‌گیرین که چگونه بافت texture می‌تونه رزولوشن رو بهبود ببخشه و خرابی‌ها رو بپوشونه، و اینکه چرا تصاویر دیجیتالی "عالی و بدون نقص" ممکنه به نویز نیاز داشته باشن تا حس عکس رو ایجاد کنن.

    در کل، شارپ کردن با ترکیب دو عامل حاصل می‌شه: رزولوشن و تفکیک‌پذیری acutance. رزولوشن با لنز دوربین و سنسور تصویر تعیین می‌شه، و زمانی که تصویر رو گرفتین، هیچ راهی برای اضافه کردن اطلاعات اضافی وجود نداره. Acutance یک اندازه ذهنی و شخصی از کنتراست لبه‌هاست: این اون چیزیه که برای واضح‌تر کردن تصاویرتون باید افزایش بدین. شارپ کردن پیچیده نیست و فقط بخوبی درک نشده اما با کمی دانش و تمرین، می‌تونه ابزاری بسیار قدرتمند و با تنوع و ظرافت باشه.

    حرکت شارپی در بورس چیست و چه تاثیری بر خرید و فروش سهام می گذارد؟

    حرکت شارپی

    اساس نوسانات بازار بورس بر مبنای تفاوت بین ارزش ذاتی یک سهم و قیمت آن در یک برهه زمانی خاص است؛ ارزش واقعی سهم می تواند بسته به اتفاقات و اخبار مختلف پیرامون شرکت مذکور یا صنعت وابسته به آن دستخوش تغییر شود و با تغییر در سودآوری شرکت، قیمت سهم نیز دچار نوسان می شود. حرکت شارپی یا «spike» مجموعه‌ای از حرکت‌های صعودی یا نزولی قیمت در بازار است که با مقیاسی تقریبا بزرگ و در یک بازه زمانی کوتاه صورت می‌گیرد.

    اگر بخواهیم یک نمونه خوب از حرکت شارپی منفی یا نزولی در بازارهای مالی را برایتان مثال بزنیم به شاخص «داو جونز» یا «Dowjones» با نام اختصاری «DJIA» اشاره می‌کنیم که در ۱۹ اکتبر سال ۱۹۸۷ تنها در یک روز به اندازه ۲۲ درصد کاهش پیدا کرد. شاخص میانگین صنعتی داو جونز یک شاخص بورس است که ارزش ۳۰ شرکت بزرگ مستقر در ایالات متحده و نحوه تجارت آن‌ها در دوره‌های مختلف بازار سهام را نشان می‌دهد. ارزش داو نمایانگر سرمایه بازار شرکت‌های جزو آن نیست، بلکه جمع قیمت یک سهم از سهام برای هر شرکت مؤلفه را دربرمی‌گیرد. این شاخص را چارلز داو (Charles dow) و شریک تجاری‌اش ادوارد جونز (Edward jones) در سال ۱۸۹۶ ایجاد کردند. اسپایک‌ها – یا همان حرکت‌های شارپی – نشان دهنده‌ یک سری اطلاعات از قیمت سهام در بازار بورس هستند. با استفاده از اطلاعاتی که حرکت‌های شارپی در اختیار ما قرار می‌دهند می‌توانیم به چگونگی روند قیمت و بالا یا پایین آمدن سهام پی ببریم.

    فهرست این مقاله

    نکته‌های کلیدی حرکت شارپی

    حرکت شارپی یک حرکت به نسبت بزرگ و ناگهانی – به‌ صورت نزولی یا صعودی – است که در مدت زمانی کوتاه اتفاق می‌افتد.

    رخ دادن حرکت شارپی می‌تواند در بسیاری از تصمیم‌های خرید و فروش سهام، کمک حال تحلیل‌گران فنی باشد. مثلا اگر حجم معاملاتی یا «volume» کاهش یا افزایش پیدا کند حرکت شارپی رخ می‌دهد.

    تنها هنگامی زمینه ایجاد حرکت‌های شارپی مهیا می‌شود که خبر جدیدی بازار را دستخوش تغییر کند. مثلا وقتی یک کمپانی، درآمد زیادی به دست می‌آورد و بالاتر از سطح توقع تحلیل‌گران عمل می‌کند.

    برخی دلالان و سفته بازان در بازار بورس هستند که با به راه انداختن شایعات و اخبار نادرست، سعی در فریب برخی سهامداران برای خرید یک سهم خاص را دارند و در ابتدا وانمود به شروع حرکت شارپی سهم کرده و پس از مدت کوتاهی به یکباره دست از حمایت از سهم کشیده و به طور سنگین، پولی که در ابتدا و قیمت های پائین و قبل از تبلیغات برای سهم وارد آن کرده بودند را بیرون می کشند و سهامدارانی که به قصد سودهای هنگفت وارد سهم شده اند و رویای حرکت شارپی رو به بالا را در سر می پروراندند، به یکباره با صف های فروش طولانی و سنگین مواجه می شوند چرا که سهم مذکور از بنیاد و ارزش ذاتی مناسبی برخوردار نبوده و سهامداران عمده نیز تمایلی به افزایش قیمت کاذب سهم ندارند و در نتیجه تا رسیدن سهم به سطوح قیمتی واقعی خود، اجازه پائین آمدن به آن می دهند.

    تحلیل‌گران بورس، چگونه از حرکت شارپی استفاده می‌کنند؟

    مفهوم اسپایک یا حرکت شارپی در تحلیل بورس بسیار کارآمد است. در واقع کار تحلیل‌گران تکنیکال پیدا کردن رنج قیمت یک سهام در بازار بورس است. فرض کنیم قیمت یک سهم در ۱۲ ماه گذشته بین ۳۵ تا ۴۵ دلار بوده است. تحلیل‌گران تکنیکال علاوه بر تعیین آن رِنج از قیمت، با تحلیل و بررسی به دنبال تغییرات آینده قیمت این سهم در دراز مدت می‌گردند.

    در مثال بالا اگر رنج قیمت خیلی سریع به پایین‌تر از ۳۰ دلار یا بالاتر از ۴۵ دلار رود، این رویداد می‌تواند در نظر تحلیل‌گر تکنیکال نشانه‌ای برای خرید یا فروش سهم باشد. فرض کنیم که یک حرکت به سمت پایین و به قیمت ۲۷ دلار داشته باشیم. اگر این حرکت شارپی همچنان سیر نزولی داشته باشد، می‌توان آن را نشانه‌ا‌ی از وجود خبرهای جدید درباره آن شرکت در نظر گرفت که باعث شده نظر سرمایه گذارها در مورد بازار بورس آن تغییر کند. یک تحلیل‌گر تکنیکال ممکن است از این روند استفاده کند و به همین دلیل سهام را بفروشد.

    چگونگی تشخیص حرکت شارپی یک سهم

    در تشخیص حرکت شارپی یک سهم به سه عامل می بایست توجه کنید:

    با رصد اخبار شرکت در یک بازه زمانی به خوبی می توانید، از آینده آن شرکت مطلع شوید و از سودآوری نماد مذکور در آینده نزدیک آگاهی پیدا کنید چرا که هر چه نماد مورد نظر شما سودآوری بیشتری داشته باشد، طبیعتاً ارزش ذاتی آن بالاتر و قیمت سهام آن نیز افزایشی خواهد بود اما این بدان معنا نیست که بلافاصله پس از شنیدن یک خبر مثبت از یک شرکت، حرکت شارپی سهم آغاز خواهد شد.

    مورد دومی که سهامداران می بایست به آن توجه کنند، وضعیت صنعتی است که شرکت مذکور در آن قرار دارد؛ با بررسی همه ریسک های موجود در بازار و همچنین شرایط کلی اقتصاد کشور و همچنین فعالیت های شرکت و بررسی صورت های مالی نماد مذکور در بازه های زمانی ۳ ماهه به خوبی می توان از روند سودآوری شرکت مطلع شد و اگر با بررسی همه جوانب به این قطعیت رسیدید که سهم مذکور محکوم به صعود است، منتظر سیگنال های بازیگر سهم بنشیند.

    هر سهمی معمولاً بازیگر خود را دارد که با توجه به ارزش واقعی سهم، قیمت آن را کنترل می کند و معمولاً بازیگران سهم بر طبق الگوهای تکنیکال سهم آن را کنترل می کنند و اگر در بررسی های قبلی خود به این یقین رسیده اید که سهم در سطح حمایتی خود با پیروی از الگویی خاص، صعود خواهد کرد، آنگاه می توانید به کسب یک سود رویایی از سهم مذکور امیدوار باشید.

    حرکت شارپی سهم در بازار بورس ایران

    در بازار بورس ایران می‌توان مواردی را مشاهده نمود که در اثر رفتارهای مختلف بازار، حرکت شارپی در نمودار سهم ایجاد شده است. برخی از مهم‌ترین عوامل تأثیرگذار بر روند شارپی قیمت سهام شرکت‌ها در ادامه بررسی می‌شود.

    افزایش سرمایه: افزایش سرمایه یکی از عواملی است که می‌تواند موجب ایجاد یک حرکت شارپی در نمودار سهم شود. به‌عنوان‌مثال سهام شرکتی که افزایش سرمایه داده است و در وضعیت بازگشایی قرار دارد، برای آغاز معاملات ممکن است با تغییرات مثبت یا منفی حدود ۳۰ درصدی همراه باشد. این رویداد منجر به یک حرکت شارپی در روند قیمت این سهم خواهد شد.

    برگزاری مجمع عادی سالیانه: ممکن است شرکتی وارد مجمع عادی سالیانه شده و سود تقسیمی میان سهامداران خود توزیع نماید. سهام این شرکت در بازار بورس یا فرابورس در آغاز بازگشایی بدون محدودیت دامنه نوسانی باز می‌شود و این امر می‌تواند منجر به ایجاد یک حرکت شارپی در نمودار سهم شود.

    دوره های خاص: در برخی دوره‌های خاص با توجه به اتفاقاتی که رخ می‌دهد همچون ورود نقدینگی، امکان دارد که طی یک الی دو ماه، برخی از سهام یا صنایع مشخص، در این بازه کوتاه ۱۰۰ الی ۲۰۰ درصد بازدهی بدهند. همین امر نمونه‌ای بارز در ایجاد روند شارپی در نمودار سهم است.

    چطور با تخفیف کارمزد در صرافی های ارز دیجیتال ثبت نام کنیم؟

    نام صرافی تخفیف کارمزد IP خارج از ایران لینک ثبت نام
    کوکوین دارد نیاز دارد ثبت نام با تخفیف کارمزد
    کوینکس
    دارد نیاز دارد ثبت نام با تخفیف کارمزد
    بیت پین
    دارد نیاز ندارد ثبت نام با تخفیف کارمزد
    کیوسک دارد نیاز ندارد ثبت نام با تخفیف کارمزد
    بیت ۲۴
    دارد نیاز ندارد ثبت نام با تخفیف کارمزد
    آبان تتر
    دارد نیاز ندارد ثبت نام با تخفیف کارمزد

    توجه: با وجود اینکه دو صرافی کوینکس و کوکوین هر دو فعلا بدون نیاز به تغییر IP فعالیت می‌کنند اما بهتر است برای امنیت بیشتر از IP ثابت خارج از ایران استفاده کنید.

    برای ورود به صرافی کوینکس حتما باید با IP خارج از ایران وارد شوید.

مقالات مرتبط

دیدگاهتان را بنویسید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *

برو به دکمه بالا